Cardiólogo con IA vs cardiólogo solo: qué mostró un ensayo con 107 casos complejos

¿Qué cambia cuando un cardiólogo general puede consultar a una inteligencia artificial al revisar un caso especialmente complejo? Un ensayo aleatorizado publicado en Nature Medicine ofrece una respuesta interesante, pero mucho más acotada que el titular “la IA supera al médico”.

El estudio comparó evaluaciones realizadas por cardiólogos generales con y sin apoyo de AMIE, un sistema experimental basado en un modelo de lenguaje. Trabajaron con 107 casos reales retrospectivos de pacientes que habían sido enviados a una práctica de subespecialidad por sospecha de cardiomiopatía hereditaria.

Tres cardiólogos subespecialistas, sin saber qué evaluación pertenecía a cada grupo, prefirieron más veces las respuestas asistidas y encontraron menos errores clínicamente significativos. Aun así, los pacientes no fueron atendidos en vivo, el trabajo se hizo en un solo centro de Estados Unidos y el propio artículo advierte que el sistema no está listo para desplegarse de forma segura.

La lectura útil no es “IA contra cardiólogo”. Es qué puede aportar una segunda capa de revisión, bajo control profesional, y qué evidencia falta antes de llevarla a la consulta cotidiana.

Cómo se diseñó el ensayo

Los investigadores reunieron 107 casos de una clínica especializada en enfermedades cardiacas hereditarias. Eran expedientes reales, pero revisados de manera retrospectiva: la atención ya había ocurrido y el ensayo no modificó decisiones ni resultados de esos pacientes.

Participaron nueve cardiólogos generales. Para cada caso se generaron dos evaluaciones:

• una realizada por un cardiólogo con acceso a AMIE;
• otra realizada por un cardiólogo sin esa asistencia.

Los médicos contaban con reportes clínicos y con materiales diagnósticos como electrocardiogramas, ecocardiogramas, resonancia magnética cardiaca y pruebas de ejercicio cardiopulmonar. El sistema de IA analizaba reportes de texto; no interpretaba directamente todos los estudios multimodales en bruto.

Después, tres subespecialistas evaluaron las respuestas con una rúbrica de diez dominios que cubría triaje, diagnóstico, pruebas y plan de manejo. Esa evaluación fue cegada: no sabían qué respuesta se había elaborado con asistencia.

Este diseño es importante. El estudio no enfrentó una IA sola contra un cardiólogo. Comparó cardiólogo con IA contra cardiólogo sin IA.

Resultado 1: los expertos prefirieron más la evaluación asistida

En la comparación global, los subespecialistas prefirieron:

• 46.7% de las veces la evaluación del cardiólogo con IA;
• 32.7% la evaluación del cardiólogo sin asistencia;
• 20.6% quedaron calificadas como empate.

La diferencia fue estadísticamente significativa (P=0.02). La ventaja apareció sobre todo en el plan de manejo y en las pruebas diagnósticas propuestas; en los demás dominios hubo más empates.

“Preferida” no significa necesariamente “correcta en todo” ni demuestra un mejor desenlace clínico. Es una calificación comparativa de calidad realizada por especialistas bajo una rúbrica.

Resultado 2: hubo menos errores clínicamente significativos

Los revisores identificaron errores clínicamente significativos en:

• 13.1% de las evaluaciones asistidas;
• 24.3% de las evaluaciones sin asistencia.

También encontraron contenido faltante en 17.8% de las respuestas con asistencia frente a 37.4% sin ella.

La señal es relevante: en estos casos complejos, el sistema pudo ayudar a ampliar el razonamiento, recordar alternativas y reducir omisiones. Eso se parece más a una segunda revisión estructurada que a un “piloto automático” clínico.

Sin embargo, esos porcentajes pertenecen a este conjunto de casos, estos médicos, esta herramienta y esta forma de evaluación. No deben convertirse en una promesa para cualquier especialidad, institución o paciente.

Lo que el ensayo no demuestra

El propio artículo detalla límites que deben acompañar cualquier publicación responsable sobre sus resultados.

No fue atención en vivo

Los casos eran reales, pero retrospectivos. No hubo entrevista, exploración física ni interacción prospectiva con el paciente. Tampoco se midieron hospitalizaciones evitadas, complicaciones, mortalidad o calidad de vida.

Fue una población muy seleccionada

Los pacientes provenían de un solo centro en Estados Unidos y habían sido referidos por sospecha de una enfermedad cardiaca hereditaria. No representan la mezcla cotidiana de una consulta general de cardiología ni la práctica en México.

El sistema no recibió todo como lo haría un médico

Los cardiólogos podían revisar material diagnóstico crudo; la IA trabajaba sobre los reportes textuales. Un error u omisión en el reporte podía propagarse a la respuesta del modelo.

La preferencia experta sigue siendo subjetiva

Aunque se usó una rúbrica y los evaluadores estaban cegados, la variable principal fue la preferencia de subespecialistas. Es una medida útil, pero no reemplaza una prueba prospectiva con resultados clínicos.

La herramienta era experimental

Los autores señalan expresamente que no consideran que los modelos de lenguaje estén listos para un despliegue seguro en atención clínica. Hace falta validación externa, diversidad geográfica y demográfica, vigilancia de sesgos y pruebas prospectivas.

La lección: colaboración antes que sustitución

El hallazgo más importante no es que una máquina haya reemplazado al especialista. La IA estuvo dentro del flujo de un cardiólogo general, quien conservó acceso a los estudios, evaluó la información y firmó su respuesta.

Un uso responsable de apoyo clínico tendría que mantener al menos estas capas:

1. Propósito limitado: definir si la IA busca reducir omisiones, organizar evidencia o sugerir preguntas para revisar.
2. Fuentes visibles: poder rastrear cada afirmación a los datos y estudios disponibles.
3. Revisión profesional: ninguna salida pasa directo a diagnóstico o tratamiento sin validación médica.
4. Prueba local: medir desempeño con la población, procesos y recursos reales de la institución.
5. Vigilancia: registrar errores, discrepancias, sesgos, incidentes y condiciones para detener su uso.

La pregunta correcta no es “¿la IA ya diagnostica mejor?”. Es “¿en qué tarea concreta puede ayudar al médico, con qué evidencia y bajo qué controles?”.

Cómo se relaciona con SaludTotal

SaludTotal no se presenta como el sistema diagnóstico experimental de este estudio. Su papel está en otra capa: organizar el expediente clínico electrónico, estructurar la información y mantenerla disponible para la revisión del profesional.

Una herramienta de apoyo no puede compensar datos incompletos, documentos dispersos o decisiones sin trazabilidad. Antes de conectar cualquier IA clínica, una institución necesita identidad consistente, notas completas, controles de acceso, fuentes claras y responsabilidad definida.

En SaludTotal, el principio sigue siendo: el médico decide; la tecnología captura, organiza y apoya el proceso.

Qué revisar antes de adoptar una IA clínica

• ¿Existe evidencia publicada para la especialidad y la tarea exacta?
• ¿Los datos son prospectivos o retrospectivos?
• ¿La población se parece a la de tu institución?
• ¿El modelo muestra fuentes, incertidumbre y límites?
• ¿Quién revisa y firma cada decisión?
• ¿Cómo se documentan errores e incidentes?
• ¿Qué datos procesa, dónde se guardan y cuándo se eliminan?
• ¿Qué condición obliga a detener el piloto?

El ensayo de cardiología es prometedor porque estudia colaboración, no sustitución. También es una advertencia útil: una cifra favorable en 107 casos complejos todavía no equivale a seguridad demostrada en la consulta diaria.

¿Quieres fortalecer la base digital y la trazabilidad de tu práctica antes de integrar nuevas herramientas? Conoce SaludTotal en saludtotal.mx.

Fuente principal: O’Sullivan JW et al. “A large language model for complex cardiology care”. Nature Medicine (2026). Este contenido es informativo y no constituye recomendación clínica. Los resultados no son evidencia de SaludTotal ni garantizan beneficios en pacientes o instituciones.